基于擴展的VSM中文文本分類方法.pdf_第1頁
已閱讀1頁,還剩62頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、隨著因特網(wǎng)的迅猛發(fā)展,作為網(wǎng)絡主要資源的文本信息也在高速增長。如何有效組織和管理這些信息,并快速、準確、全面的從中找到用戶所需要的信息是當前信息科學和技術領域面臨的重要問題。文本分類作為處理和組織大量文本數(shù)據(jù)的關鍵技術,可以在較大程度上解決信息雜亂現(xiàn)象的問題,幫助人們準確高效的定位信息和分流信息,因此具有廣泛的應用前景。
   文本自動分類最常用的方法是基于向量空間模型。通常采用關鍵詞作為向量構建向量空間模型。早期研究是基于知識

2、的,通過人工建立分類規(guī)則確定特征項,隨著統(tǒng)計機器學習理論和統(tǒng)計自然語言處理技術的發(fā)展,使用機器學習的方法確定特征項得到應用,并取得了良好的效果??墒怯捎谑艿接柧氄Z料庫資源和訓練時間的限制,機器學習能力也有局限性。有很多對類別有貢獻的特征項,通過常規(guī)的機器學習是得不到的。用這樣的特征向量集生成的向量空間模型在進行文本分類時就不會達到滿意的效果,所以機器學習生成的向量空間模型是需要重新構造的。
   本文提出了一種基于擴展空間向量模

3、型(VSM)的方法用于中文文本分類。該方法對每類文本特征項進行分析,并通過合適的艦則抽取了最能代表主題的特征義原,然后用Hownet對這些特征義原擴展,并賦予擴展的特征項適當權值來說明其描述能力。接著聯(lián)合同義詞典將原始向量空間模型,和擴展的向量空間模型融合成新的特征向量空間。最后選擇合適的分類器用重構的VSM模型進行分類。本文重點研究了抽取特征義原,設定特征項合適的權值和重構向量空間模型方法。實驗表明,該方法能增加有效的向量空間維數(shù),使

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論